Conjunto y Técnicas de Conteo Virtu@l

Unidad 2 Conjuntos y técnicas de conteo

Conjuntos

Supondremos entonces que el espacio muestral Ω de un experimento aleatorio es nuestro conjunto

universal y cualquier elemento de Ω lo denotaremos por ω (omegaminúscula). El conjunto vac´ıo lo
denotaremos por . Otros s´ımbolos usuales son los de pertenencia ( ∅), o no pertenencia ( /), de un
∈ ∈
elemento en un conjunto, ylos de contención
⊂ ⊆
( , ), o no contención
/⊂
( ), de un conjunto en otro. Si
A es un conjunto, denotamos la cardinalidad o nu´mero de elementos de ese conjunto por el s´ımbolo
#A.

Sean A y B dos subconjuntos cualesquiera de Ω. Recordamos a continuacio´n las operaciones ba´sicas

de unión, intersección, diferencia y complemento:
A ∪ B = {ω ∈ Ω : ω ∈ A ó ω ∈ B }, A ∩ B = {ω ∈ Ω : ω ∈ A y ω ∈
B}, A − B = {ω ∈ Ω : ω ∈ A y ω ∈/ B },
Ac = {ω ∈ Ω : ω ∈/ A}.
Cuando los conjuntos se expresan en palabras, la operación unión, A B , se lee “A ∪o B” y la
intersección, A ∩
B , se lee “A y B”. Mostramos a continuación en diagramas de Venn estas
operaciones.

A ∪B A ∩B

El complemento de un conjunto A se denota por Ac y se define como la colección de aquellos elementos de

Ω que no pertenecen al conjunto A. Mediante un diagrama de Venn ilustramos gráficamente las
operaciones de diferencia y complemento.
Conjunto y Técnicas de Conteo Virtu@l

A −B Ac

Es fácil verificar que el conjunto vacío ∅ y el conjunto total Ω satisfacen las

siguientes propiedades elementales:
A ∪ ∅ = A, A ∩ Ω = A,
A ∩ ∅ = ∅, A ∪ Ac = Ω,
A ∪ Ω = Ω, A ∩ Ac = ∅.

Las operaciones uniónn e intersección son asociativas, esto es, satisfacen las siguientes igualdades:

A ∪ (B ∪ C) = (A ∪ B) ∪ C,
A ∩ (B ∩ C) = (A ∩ B) ∩ C,
y también son distributivas, es decir,
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C),
A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).

Recordemos también la operación diferencia simétrrica entre dos conjuntos A y B , denotada por A△B,
y definida como sigue:
A△B = (A ∪ B) − (B ∩ A).
En la siguiente figura ilustramos gráficamente el conjunto resultante de efectuar la diferencia simétrica
entre los conjuntos A y B . Visualmente es fácil comprobar que la diferencia simétrica también puede
escribirse como (A − B ) ∪ (B − A).
Conjunto y Técnicas de Conteo Virtu@l

A△ B

Recordemos además las leyes de De Morgan,

(A ∪ B )c = Ac ∩ Bc,
(A ∩ B )c = Ac ∪ Bc.
La validez de estas igualdades puede extenderse a colecciones finitas e incluso arbitrarias de conjuntos.

Conjuntos ajenos

Decimos que dos conjuntos A y B son ajenos (o disjuntos) si se cumple la igualdad A B = , es decir, son
ajenos cuando no∩ existe ∅un elemento que pertenezca tanto a A como a B. Por ejemplo, si Ω = 1, 2,
3, 4, 5, 6 , entonces los conjuntos A = 1, 2 y B = 5, 6 son{ajenos pues no} hay ningún elemento común
{ } { }
entre ellos. Este concepto puede extenderse al caso de varios conjuntos de la siguiente forma: Decimos
que n conjuntos A1, A2, . . . , An son ajenos dos a dos (o mutuamenteajenos) si Ai Aj = para cualesquiera
valores de los índices i, j = 1,∩2, . . . , n∅, con i distinto de j.

Conjunto potencia

El conjunto potencia de Ω, denotado por 2Ω, es aquel conjunto cuyos elementos son todos los
subconjuntos posibles de Ω. Por ejemplo, si Ω = {a, b, c} entonces el
Conjunto y Técnicas de Conteo Virtu@l

conjunto 2Ω consta de 8 elementos, a saber,

2Ω = {∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}} .

No es difícil demostrar que #(2Ω ) = 2#Ω , es decir, el número de elementos en el conjunto 2Ω es

exactamente 2 elevado a la potencia dada por el número de elementos en Ω. De este hecho proviene la
notación usada para el conjunto potencia: 2Ω . Para el ejemplo anterior se comprueba que efectivamente
#(2Ω ) = 2#Ω = 23 = 8.

Producto Cartesiano

Finalmente recordemos que el producto Cartesiano de dos conjuntos A y B, denotado por A B , se define
como la colección de todas×las parejas ordenadas (a, b), en donde a es cualquier elemento de A, y b es
cualquier elemento de B. En símbolos,
A × B = {(a, b) : a ∈ A y b ∈ B}.
Por ejemplo, si A = {a1, a2} y B = {b1, b2, b3}, entonces
A × B = {(a1, b1), (a1, b2), (a1, b3), (a2, b1), (a2, b2), (a2, b3)}.
En general los conjuntos producto A B y B A son distintos
× × la pareja (a, b) es distinta de (b, a),
pues
sin embargo ambos conjuntos tienen la misma cardinalidad, esto es, ambos tienen el mismo numero de
elementos. Mas aún, si la cardinalidad de A es el numero n, y la cardinalidad de B es m, entonces la
cardinalidad del conjunto A × B es el producto n · m. Mas generalmente,
#(A1 × A2 × · · · × An) = #A1 · #A2 · · · #An.

Concluimos aquí nuestra rápida y breve revisión de conjuntos. Recordemos que estamos interesados en
calcular probabilidades de los diferentes eventos, es decir,de subconjuntos del espacio muestral que se
obtienen al estudiar experimentos aleatorios. En la siguiente sección estudiaremos algunas formas de
definir matemáticamente la probabilidad de un evento cualquiera.
Conjunto y Técnicas de Conteo Virtu@l

1.1. Probabilidad

La probabilidad de un evento A, es un nu´mero real en el intervalo [0, 1] que deno- taremos por P (A), y
representa una medida de la frecuencia con la que se observala ocurrencia del evento A cuando se
efectu´a el experimento aleatorio en cuestio´n. Existen al menos cuatro definiciones de probabilidad que
explicamos a continua- ción.

Probabilidad clásica

Sea A un subconjunto de un espacio muestral Ω de cardinalidad finita. Se definela probabilidad clásica

del evento A como el cociente:
#A
P ( A) = ,
#Ω
en donde el s´ımbolo #A denota la cardinalidad o nu´ mero de elementos del conjunto
A. Claramente esta definicio´n es so´lo v´alida para espacios muestrales finitos, pues forzosamente
necesitamos suponer que el nu´ mero de elementos en Ω es finito. Adem´as, el espacio Ω debe ser
equiprobable, pues para calcular la probabilidad de un evento A, u´nicamente necesitamos contar
cua´ntos elementos tiene A respecto del total Ω, sin importar exactamente qu´e elementos
particulares sean. Por lo tanto, esta definicio´n de probabilidad presupone que todos los elementos
de Ω son igualmente probables o tienen el mismo peso. Este es el caso por ejemplo de un dado
equilibrado. Para este experimento el espacio muestral es el conjuntoΩ = {1, 2, 3, 4, 5, 6}, y si
deseamos calcular la probabilidad (cla´sica) del evento A
correspondiente a obtener un nu´ mero par, es decir A = {2, 4, 6}, entonces

P (A) = #{2, 4, 6} = 3 = 1.
#{1, 2, 3, 4, 5, 6} 6 2

Probabilidad frecuentista

Supongamos que realizamos n veces un cierto experimento aleatorio y sea A unevento cualquiera.
Denotemos por n(A) el número de ocurrencias del evento A, en
Conjunto y Técnicas de Conteo Virtu@l

las n realizaciones del experimento. Se define entonces la probabilidad frecuentista de A como indica el
siguiente limite
n( A )
P (A) = l´ım .
n→∞ n

En este caso, debemos hacer notar que no es humanamente posible llevar a cabo una infinidad de veces
el experimento aleatorio, de modo que en la práctica no es posible encontrar mediante este mecanismo
la probabilidad de un evento cualquiera. Esta limitación hace que esta definición de probabilidad no
sea enteramente formal, pero tiene algunas ventajas. Veamos un ejemplo concreto. Consideremos
nuevamente el experimento aleatorio de lanzar un dado equilibrado y registrar la ocurrencia del evento
A definido como el conjunto 2, 4, 6 . Después de lanzar el dado 20{veces }obtuvimos los siguientes
resultados:
No. Resultado n(A)/n No. Resultado n(A)/n
1 3 0/1 11 2 7/11
2 6 1/2 12 5 7/12
3 2 2/3 13 1 7/13
4 1 2/4 14 6 8/14
5 4 3/5 15 3 8/15
6 6 4/6 16 1 8/16
7 3 4/7 17 5 8/17
8 4 5/8 18 5 8/18
9 2 6/9 19 2 9/19
10 5 6/10 20 6 10/20

En la siguiente grafica se muestra el singular comportamiento de este cociente a lo largo del tiempo,
al principio se pueden presentar algunas oscilaciones pero eventualmente el cociente se estabiliza en un
cierto número. Realizando un mayor número de observaciones del experimento, no es difícil creer que el
cociente n(A)/n se estabiliza en 1/2 cuando n es grande y el dado es equilibrado. Se invita al lector
intrigado a efectuar un experimento similar y corroborar esta interesante regularidad estadística con
´este o cualquier otro experimento aleatorio de su interés.
Conjunto y Técnicas de Conteo Virtu@l

n(A)

n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
n(A)
Regularidad estadística del cociente .
n

Probabilidad subjetiva

En este caso la probabilidad de un evento depende del observador, es decir, según lo que el observador
conoce del fenómeno en estudio. Puede parecer un tanto informal y poco serio esta forma de definir la
probabilidad de un evento, sin embargo enmuchas situaciones es necesario recurrir a un experto para
tener por lo menos una idea vaga de cómo se comporta el fenómeno de nuestro interés y saber si la
probabilidad de un evento es alta o baja. Por ejemplo, ¿cuál es la probabilidad de que nuestro equipo
favorito de futbol gane en su próximo partido? Ciertas circunstancias internas del equipo, las
condiciones del equipo rival o cualquier otra condición externa, son elementos que sólo algunas
personas conocen y que podrían darnos una idea más exacta de esta probabilidad.

Probabilidad axiomática

En la definición axiomática de la probabilidad no se establece la forma explícita de calcular las

probabilidades sino uúnicamente se proponen las reglas que el cálculo
Conjunto y Técnicas de Conteo Virtu@l

de probabilidades debe satisfacer. Los siguientes son tres postulados o axiomas1establecidos en 1933
por el matemático ruso A. N. Kolmogorov.

Axiomas de la probabilidad

1. P (A) ≥ 0.
2. P (Ω) = 1.
3. P (A ∪ B) = P (A) + P (B)
cuando A ∩ B = ∅.

A. N. Kolmogorov (Rusia, 1903–1987)

No es difícil verificar que las definiciones anteriores de probabilidad satisfacen estos tres axiomas. De
hecho, estos postulados han sido tomados directamente del análisis cuidadoso y reflexivo de las
definiciones de probabilidad mencionadas anteriormente. En particular observe que el tercer axioma
es válido no so´lo para dos eventos ajenos sino para cualquier colección finita de eventos ajenos dos a
dos. A cualquier función P que satisfaga los tres axiomas de Kolmogorov se le llama medida de
probabilidad, o simplemente probabilidad. Como consecuencia de estospostulados es posible demostrar
que la probabilidad cumple, entre otras, con las siguientes propiedades.
Proposición. Para cualquier evento A, P (Ac ) = 1 − P (A).
Demostracio´n. De la teor´ıa elemental de conjuntos tenemos que Ω = A Ac . Como A y A∪c son
eventos ajenos, por el tercer axioma, P (Ω) = P (A) + P (Ac). Finalmente, como P (Ω) = 1, por el segundo
axioma obtenemos P (Ac) = 1 P (A). −
Q
Proposición. P (∅) = 0.
Demostracio´n. Como ∅ = Ωc , usando la propiedad anterior, tenemos que
P (∅) = P (Ωc ) = 1 − P (Ω) = 0.
1Un postulado o axioma es una proposicio´n que se acepta como válida y sobre la cual se funda una teoría.
Conjunto y Técnicas de Conteo Virtu@l

Q
Las siguientes dos proposiciones suponen la situación A ⊆ B que se muestra grafi-
camente a continuacio´n.

A ⊆B

Proposición. Si A ⊆ B , entonces P (A) ≤ P (B ).

Demostración. Primeramente escribimos B = A ∪ (B − A). Como A y B − A son eventos ajenos,
por el tercer axioma, P (B) = P (A) + P (B − A). Usando el primer axioma concluimos que P (B) − P (A)
= P (B − A) ≥ 0. De aquí obtenemosP (B) − P (A) ≥ 0. Q
Proposición. Si A ⊆ B , entonces P (B − A) = P (B ) − P (A).
Demostración. Como B = A ∪ (B − A), siendo esta unión ajena, por el tercer axioma tenemos que
P (B) = P (A) + P (B − A). Q
Proposición. Para cualquier evento A, 0 ≤ P (A) ≤ 1.
Demostración. Como A ⊆ Ω entonces P (A) ≤ P (Ω) = 1. La otra desigualdad, 0 ≤ P (A), es simplemente
el primer axioma. Q
Proposición. Para cualesquiera eventos A y B ,
P (A ∪ B ) = P (A ) + P (B ) − P (A ∩ B ).
Conjunto y Técnicas de Conteo Virtu@l

Demostración. Primeramente observamos que para cualesquiera eventos A y B se cumple la igualdad

A B = A (A B). Entonces escribimos— a A B como
− ∩ unión disjunta de los siguientes tres
la ∪ eventos

A ∪B = (A − B ) ∪ (A ∩ B ) ∪ (B − A )
= (A − A ∩ B) ∪ (A ∩ B) ∪ (B − A ∩ B).
Ahora aplicamos la probabilidad. Por el tercer axioma,
P (A ∪ B ) = P (A − A ∩ B ) + P (A ∩ B ) + P (B − A ∩ B ).
Pero A ∩ B ⊆ A de modo que P (A − A ∩ B ) = P (A) − P (A ∩ B ). Análogamente
P (B − A ∩ B) = P (B) − P (A ∩ B). Por lo tanto
P (A ∪ B ) = P (A ) + P (B ) − P (A ∩ B ).
Q
En la primera de las siguientes figuras el lector puede “comprobar” la validez de la fórmula anterior
∪
identificando las tres regiones ajenas de las que consta A B . El término P (A) abarca las primeras
dos regiones de izquierda a derecha, P (B ) abarca la segunda y tercera región. Observe entonces que
la región central ha sido contada dos veces de modo que el término P (A B ) da cuenta de ello. De
— ∩
esta forma las tres regiones son tomadas en cuenta una sola vez y el resultado es la probabilidad del
evento A ∪ B.

A ∪B A ∪B ∪C

Observe que la fórmula anterior es válida para cualesquiera eventos A y B . En particular, cuando
son conjuntos ajenos, es decir, cuando A ∩ B = ∅, entonces
Conjunto y Técnicas de Conteo Virtu@l

la fórmula demostrada se reduce al tercer axioma de la probabilidad, es decir, P (A B ) = P (A)

∪ resultado es una generalización del anterior e involucra tres eventos cualesquiera.
+ P (B ). El siguiente
La fórmula que a continuación se demuestra puede también “verificarse” usando el diagrama de Venn que
aparece arriba. Para ello siga los términos del lado derecho de la fórmula y compruebe que cada región
es contada una sola vez de modo que el resultado final es la probabilidad del eventoA ∪ B ∪ C.
Proposición. Para cualesquiera eventos A, B y C ,
P (A ∪ B ∪ C ) = P ( A ) + P ( B ) + P (C )
−P (A ∩ B) − P (A ∩ C) − P (B ∩ C)
+ P (A ∩ B ∩ C ).
Demostración. Usando la fórmula para dos eventos y agrupando adecuadamente,
P (A ∪ B ∪ C) = P [(A ∪ B) ∪ C]
= P (A ∪ B) + P (C) − P ((A ∪ B) ∩ C)
= P (A) + P (B) − P (A ∩ B) + P (C) − P ((A ∩ C) ∪ (B ∩ C))
= P ( A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C)
+ P (A ∩ B ∩ C ).
Q
A manera de resumen presentamos a continuación una tabla con las propiedades de la probabilidad
que hemos demostrado.
Conjunto y Técnicas de Conteo Virtu@l

Esperamos que, a partir de las propiedades enunciadas y demostradas, el lector ha- ya desarrollado
cierta habilidad e intuición para escribir la demostración de alguna otra propiedad de la probabilidad.
Otras propiedades sencillas pueden encontrarseen la sección de ejercicios. Debemos también decir que
las demostraciones no son uúncas, y que es altamente probable que el lector pueda producir alguna
demostración diferente a las que aquíse han presentado.

1.2. An´alisis combinatorio

Es muy frecuente que en un experimento aleatorio el espacio muestral Ω sea un conjunto finito y cada
elemento de este conjunto tenga la misma probabilidad de ocurrir, es decir, que el espacio Ω sea finito
y equiprobable. En estos casos hemos definido la probabilidad cl´asica de un evento A como sigue:
#A
P ( A) = .
#Ω
Para poder aplicar esta definición necesitamos saber contar cuántos elementos tiene un conjunto
A. Cuando podemos poner en una lista todos y cada uno de
Conjunto y Técnicas de Conteo Virtu@l

los elementos de dicho conjunto, entonces es fácil conocer la cardinalidad de A, simplemente contamos
todos los elementos uno por uno. Sin embargo, es común enfrentar situaciones en donde no es factible
escribir en una lista cada elemento deA, por ejemplo, ¿Cuántos números telefónicos existen que contengan
por lo menos un cinco? Estoy seguro que nadie en su sano juicio intentaría escribir uno a uno todos estos
números telefónicos. En esta sección estudiaremos algunas técnicas de conteo que nos ayudarán a calcular
la cardinalidad de un evento A en ciertos casos particulares. El principio de multiplicación que
enunciamos a continuación es la base de muchos de los cálculos en las técnicas de conteo.

Principio de multiplicación

Si un procedimiento puede efectuarse de n formas distintas y un segundo proce- dimiento puede

realizarse de m formas diferentes, entonces el total de formas en que puede efectuarse el primer
procedimiento seguido del segundo es el producto n · m. Para ilustrar el principio de multiplicación
considere el siguiente ejemplo.
Ejemplo. Un experimento aleatorio consiste en seleccionar un dado y despu´es se- leccionar al azar una
letra del alfabeto. ¿Cuál es la cardinalidad del correspondiente espacio muestral? El experimento de
lanzar un dado tiene 6 resultados posibles y consideremos que tenemos un alfabeto de 26 letras. El
correspondiente espacio muestral tiene entonces cardinalidad 6 × 26 = 156. ◦

El principio de multiplicación es válido no solamente para dos procedimientos sino que también vale para
cualquier sucesión finita de procedimientos. Por ejemplo, si A1, A2, . . . , Ak denotan k procedimientos
sucesivos entonces el principio de multiplicaciónse puede enunciar en símbolos de la forma siguiente:
#(A1 × · · · × Ak) = #A1 · · · #Ak.

Vamos a considerar a continuación diferentes esquemas y contextos en donde es posible encontrar

una fórmula matemática para ciertos problemas de conteo. En todos ellos aplicaremos el principio de
multiplicación. El esquema general es el de extraer al azar k objetos, uno a la vez, de una urna con n
objetos distintos. Esto se muestra en la siguiente figura:
Conjunto y Técnicas de Conteo Virtu@l

urna muestra

Ordenaciones con repetición:

Muestras con orden y con reemplazo

Suponga que tenemos una urna con n objetos distintos. Deseamos realizar k ex- tracciones al azar de
un objeto a la vez. Al efectuar una extracción, registramos el objeto escogido y lo regresamos a la urna.
De esta forma el mismo objeto puede ser extraído varias veces. El total de arreglos que se pueden
obtener de esta urna al hacer k extracciones es nk , pues en cada extracción tenemos n objetos posibles
para escoger y efectuamos k extracciones. Esta fórmula es consecuencia del principio de multiplicación
enunciado antes. A este número se le llama ordenaciones con repetición. Veamos un ejemplo.

Ejemplo. Suponga que tenemos un conjunto de 60 caracteres diferentes que con- tiene todas las letras
minúsculas del alfabeto, las letras mayúsculas, los diez dígitos y algunos caracteres especiales. ¿Cuántos
passwords o palabras clave de longitud 4 se pueden construir usando el conjunto de 60 caracteres?
Este es un ejemplode una ordenación de 60 caracteres en donde se permiten las repeticiones. Como
cada carácter de los 60 disponibles puede ser escogido para ser colocado en ca-da una de las cuatro
posiciones de la palabra clave entonces se pueden construir 60 × 60 × 60 × 60 = 604 = 12, 960, 000
distintos passwords de longitud 4. ◦
Conjunto y Técnicas de Conteo Virtu@l

Ordenaciones sin repetición:

Muestras con orden y sin reemplazo

A veces no queremos ordenar todos los n objetos de un conjunto sino uúnicamente k de ellos (k n) y sin
repetirlos. La respuesta al ≤ total de arreglos lineales que podemos obtener de este modo es el
número: n(n 1)(n 2) (n k + 1). Primeramente debemos observar — que− hay· k· · factores
− en la
expresión anterior. El primer factor es debido a que tenemos cualesquiera de los n objetos para ser
colocado en primera posición, para la segunda posición tenemos ahora n 1 objetos, para la −tercera n 2
objetos, etc. Este razonamiento −termina al escoger el k-
´esimo objeto para cual tenemos únicamente n k + 1 posibilidades. − Nuevamente por el principio
multiplicativo, la respuesta es el producto indicado. La expresión encontrada puede escribirse como
sigue:
n!
,
P (n, k) = (n − k)!

y se lee permutaciones de n en k.

Ejemplo. ¿De cuantas formas distintas pueden asignarse los premios primero, se- gundo y tercero en
una rifa de 10 boletos numerados del 1 al 10? Claramente se trata de una ordenación sin repetición de 10
objetos en donde se deben extraer 3
de ellos. La respuesta es entonces 10 × 9 × 8 = 720 distintas asignaciones de lostres primeros lugares
en la rifa. ◦

Permutaciones:
Muestras exhaustivas con orden y sin reemplazo

La pregunta básica acerca del total de formas en que podemos poner en orden lineal (uno detrás
de otro y por lo tanto no hay repetición) n objetos distintos tiene como respuesta el factorial de n,
denotado por n! y definido como sigue:
n! = n(n − 1)(n − 2) · · · 3 · 2 · 1.
A este número también se le conoce como las permutaciones de n objetos y se usa la notación P (n) =
n!. Adicionalmente y por conveniencia se define 0! = 1.
Conjunto y Técnicas de Conteo Virtu@l

Ejemplo. Si deseamos conocer el total de formas distintas en que podemos co-locar una enciclopedia
de 5 volúmenes en un librero, la respuesta es claramente 5! = 5 4 3 2 1 = 120. El razonamiento
× × de×los ×
es el siguiente: Cualquiera cinco libros puede ser colocado al principio, quedan cuatro libros
por colocar en la segunda posición, restan entonces tres posibilidades para la tercera posición, etc.
Por el principio multiplicativo la respuesta es entonces el producto de estos números. ◦

Combinaciones:
Muestras sin orden y sin reemplazo

Supongamos nuevamente que tenemos un conjunto de n objetos distinguibles y nos interesa obtener una
muestra de tamaño k. Supongamos ahora que las mues- tras deben ser sin orden y sin reemplazo. Es
decir, en la muestra no debe haber elementos repetidos, pues no hay reemplazo, y además la muestra
debe verse como un conjunto pues no debe haber orden entre sus elementos. ¿Cuántas diferentes
muestras podemos obtener de estas características? Para responder a esta pregunta seguimos el
razonamiento siguiente. Cuando el orden importa hemos encontradoantes la fórmula
n. !
(n − k)!
Ahora que no nos interesa el orden, observamos que cada uno de los arreglos dela fórmula anterior,
esta´ siendo contado k! veces, las veces en que los mismos k elementos pueden ser permutados unos
con otros, siendo que el conjunto de elementos es el mismo. Para obtener arreglos en donde el orden no
importa, debemosentonces dividir por k!. La fórmula a la que hemos llegado se llama combinaciones de
n en k, que denotaremos como sigue:
n n!
= .
k k!(n − k)!
A este número también se le conoce con el nombre de coeficiente binomial de n en
k, pues aparece en el famoso teorema del binomio:
n
Σ n an−kbk.k
n
( a + b) =
k=
0
Conjunto y Técnicas de Conteo Virtu@l

Para los casos n = 2 y n = 3 el teorema del binomio se reduce a las siguientes fórmulas que estoy
seguro el lector conoce:

(a + b)2 = a2 + 2ab + b2.

(a + b)3 = a3 + 3a2b + 3ab2 + b3.

Ejemplo. ¿Cuántas equipos distintos de tres personas pueden formarse de un grupo de 5 personas?
Observe que el orden de las tres personas escogidas no importa de modo que la respuesta es
5 5!
= = 10.
3 3!(5 − 3)!
◦
El coeficiente binomial es también una forma de generar las entradas del así llamado triángulo de Pascal, que puede
observarse en la siguiente figura:

1 1
1 2 1
1 3 3 1
1 4 6 4 1
10 10
1 6 15 20 15 6 1

Primeros renglones del triángulo de Pascal.

El n-´esimo renglón del triángulo de Pascal, iniciando desde cero, contiene los coeficientes del
desarrollo de (a + b)n. Existe una forma sencilla de construir este triángulo observando que cada uno
de estos números, exceptuando los extremos, es la suma de los dos números inmediatos del renglón
anterior.
Conjunto y Técnicas de Conteo Virtu@l

Coeficiente multinomial

Ahora consideremos que tenemos n objetos no necesariamente distintos unos de otros. Por ejemplo,
supongamos que tenemos k1 objetos de un primer tipo, k2 objetos de un segundo tipo, y asi
sucesivamente, hasta km objetos del tipo m, endonde k1 + k2 + + km = n. Entonces estos n objetos
···
pueden todos ordenarse uno detrás de otro de tantas formas distintas como indica el as´ı llamado
coeficiente multinomial:
n n=! .
k1 k2 · · · km−1 km k1!k2! · · · km−1!km!

Un razonamiento para obtener esta fórmula es el siguiente. Si consideramos que los n objetos son
todos distintos, entonces claramente las distintas formas en que pueden escribirse todos estos objetos
uno detrás de otro es n!. Pero para cada uno de estos arreglos, los k1 objetos del primer tipo, supuestos
inicialmente distintos cuando en realidad no lo son, pueden permutarse entre s´ı de k1! formas diferentes,
siendo que el arreglo total es el mismo. De aquí que debamos dividir por k1!. Lo mismo sucede con los
elementos del segundo tipo y así sucesivamente hasta los elementos del tipo m.

El coeficiente multinomial aparece en la siguiente fórmula:

(a1 + a2 + · · · + am)n = Σ n ak1 ak2 · · · akm , (1.1)

k1 ··· km 1 2 m

en donde la suma se efectúa sobre todos los posibles valores enteros no negativos de k1, k2, . . . , km tales
que k1 + k2 + + km = n. Por ejemplo, compruebe el· · ·lectorque la fórmula (1.1) produce la siguiente
expresión:

(a + b + c)2 = a2 + b2 + c2 + 2ab + 2ac + 2bc.

¿Puede usted desarrollar (a + b + c)3?

Muestras sin orden y con reemplazo

Finalmente consideremos el caso de hacer k extracciones de una urna de n objetoscon las condiciones
de que cada objeto extraído es regresado a la urna (y entoncespuede ser elegido nuevamente), y en donde
el orden de la muestra no es relevante.
Conjunto y Técnicas de Conteo Virtu@l

Para encontrar una fórmula para el total de muestras que pueden obtenerse con estas características
usaremos una modelación distinta pero equivalente. Consideremos el siguiente arreglo de n casillas
junto con la siguiente interpretación.

×× × × ··· ×
1 2 3 4 ··· n −1 n

La primera casilla tiene dos cruces y eso indica que la bola uno fue seleccionadados veces; la segunda
casilla esta vacía y ello significa que la bola dos no fue seleccionada, etc. El número de cruces en la casilla
i indica entonces el número de veces que la bola i fue seleccionada. En total debe haber k cruces pues es
el total de ex- tracciones. Deseamos entonces conocer el número de posibles arreglos que pueden
obtenerse con estas características, y debe ser claro, después de algunos momentos de reflexión, que ´este
es el número de muestras de tamaño k, con reemplazo y sin orden, que se pueden obtener de un conjunto
de n elementos distinguibles.

Consideremos que las dos paredes en los extremos de este arreglo son fijas, estas paredes se
encuentran ligeramente remarcadas. Consideremos además que las posiciones intermedias, cruz o línea
−
vertical, pueden moverse. En total hay n + k 1 objetos movibles y cambiar de posición estos objetos
produce las distintas configuraciones posibles que nos interesan. El número total de estos arreglos es
n+k 1 −
k

que equivale a colocar dentro de las n + k − 1 posiciones las k cruces, dejando enlos
lugares restantes las paredes movibles.

Resumen de fórmulas

En el contexto de muestras de tamaño k tomadas de un conjunto de cardinalidad

n y a manera de resumen parcial tenemos la siguiente tabla de fórmulas.
Conjunto y Técnicas de Conteo Virtu@l

Muestras con reemplazo sin reemplazo

n!
con orden nk (n − k)!

n + k −1 n
sin orden k k

Nota importante. Debemos hacer ´énfasis sin embargo en que para resolver un problema de conteo en
particular, no debemos clasificarlo forzosamente y de manera mecánica en alguno de los esquemas
mencionados. Muy posiblemente el problema en cuestión requiera de un razonamiento especial que
involucre alguna combinación de las fórmulas encontradas. A menudo los problemas de conteo son
difíciles de resolver y en algunos casos uno puede encontrar dos o mas “soluciones” distintas y
aparentemente correctas.

1.3. Probabilidad condicional e independencia

En esta sección se estudian los conceptos importantes de probabilidad condicional e independencia. Estos
conceptos surgieron de manera natural en el proceso de encontrar solución a algunos problemas
provenientes de situaciones reales. Se de- muestran además dos resultados de amplia aplicación: el
teorema de probabilidad total y el teorema de Bayes.

Probabilidad condicional

Sean A y B dos eventos en donde P (B) > 0. La probabilidad condicional del evento
A dado el evento B, denotada por P (A|B), se define como sigue:
P ( A ∩ B)
P (A B) = . |
P (B )
Conjunto y Técnicas de Conteo Virtu@l

La expresión P (A B ) se lee entonces

| “probabilidad condicional del evento A dado el evento B ” o
simplemente “probabilidad de A dado B ”. Para que la definición tenga sentido se necesita suponer
que P (B) > 0. No se define P (A B) cuando P (B ) = 0. El evento B representa informació | n adicional
acerca del experimento aleatorio. Mediante un ejemplo sencillo se ilustra a continuación el uso y significado
de la probabilidad condicional.

Ejemplo. Considere el experimento de lanzar un dado equilibrado. Claramente el espacio muestral es

Ω = {1, 2, 3, 4, 5, 6} el cual es equiprobable. Sean los even- tos A = {2} y B = {2, 4, 6} = “Cae par”.
Entonces P (A) = 1/6 mientras que P (A|B ) = 1/3. Observe que conocer la información de la
ocurrencia del evento B , ha afectado la probabilidad del evento A. ◦

Proposición (Regla del producto). Sean A1 , A2 , . . . , An eventos tales que P (A1 ∩

· · · ∩ An−1) > 0. Entonces
P (A1 ∩ · · · ∩ An) = P (A1)P (A2|A1)P (A3|A1 ∩ A2) · · · P (An|A1 ∩ · · · ∩ An−1). La demostración de esta fórmula es
sencilla pues simplemente se escribe la definición de cada probabilidad condicional en el lado derecho,
se cancelan términos y lo que resulta es el lado izquierdo.

Independencia de eventos

Se dice que dos eventos cualesquiera A y B son independientes si se cumple la condición: P (A B )

= P (A)P (B ). Esta igualdad es ∩ equivalente a la expresión P (A B ) = P (A) cuando P (B ) > 0. La
|
ventaja de esta ultima expresión es que posee una interpretación sencilla: Dice que la probabilidad del
evento A es la mis- ma cuando sabemos que ha ocurrido el evento B (lado izquierdo) que cuando no
sabemos nada (lado derecho). Es decir, la ocurrencia del evento B no afecta la probabilidad del
evento A y por lo tanto son independientes. De manera análoga puede interpretarse la igualdad
equivalente P (B A) = P (B), suponiendo naturalmente que P (A) > |0. En la mayoría de los casos de
aplicación simplemente supondremos que dos eventos dados son independientes recurriendo
uúnicamente a justificaciones intuitivas. La definición de independencia de dos eventos pue- de
generalizarse al caso de varios eventos de la siguiente forma: Decimos que n
Conjunto y Técnicas de Conteo Virtu@l

eventos A1, A2, . . . , An son independientes si se satisfacen todas y cada una de las condiciones siguientes:
P ( Ai ∩ Aj ) = P ( Ai ) P ( Aj ) , i, j distintos.
P (Ai ∩ Aj ∩ Ak) = P (Ai)P (Aj)P (Ak), i, j, k distintos.
.
P (A1 ∩ · · · ∩ An) = P (A1) · · · P (An).
En general para verificar que n eventos son independientes es necesario comprobartodas y cada una de
las igualdades arriba enunciadas. Es decir, cualquiera de estas igualdades no implica, en general, la
validez de alguna otra, es necesario pues verificarlas todas. No es difícil darse cuenta que el total
de igualdades es2n − n − 1. ¿Puede usted justificar este resultado?

Teorema de probabilidad total

Antes de enunciar el siguiente resultado recordaremos el concepto de partición de un conjunto. Una

partición finita de un conjunto Ω es una colección B1 , B2 , . . . , Bn de subconjuntos de Ω tal que cada uno
de estos conjuntos es distinto del vacío, la colección es disjunta dos a dos, esto es, para ´índices i y j
distintos, se cumple que Bi ∩ Bj /= 0, y además la unión de toda la colección produce el total Ω, es
decir, B1 B2 Bn = Ω. En la figura siguiente mostramos gráficamente el concepto de
∪ ∪···∪
partición de un conjunto.

B 1, B 2 , . . . , B n
es una partición del conjunto Ω.

Ahora podemos enunciar y demostrar el muy útil teorema de probabilidad total.

Conjunto y Técnicas de Conteo Virtu@l

Demostración. Primero observemos que el evento A puede escribirse como sigue

n
[ n
[
A = A ∩Ω = A ∩ Bi = A ∩ Bi,
i=1 i=1

en donde los eventos A ∩ Bi, para i = 1, 2, . . . , n, son ajenos. De modo que

[n
P ( A) = P ( A ∩ Bi)
i=1

Σn
= P (A ∩ Bi)
i=1
Σn
= P (A|Bi )P (Bi ).
i=1
Q

Cuando la partición de Ω consta de únicamente dos elementos: B y B c , la fórmula del teorema de

probabilidad total se reduce a la siguiente expresión sencilla:
P (A) = P (A|B)P (B) + P (A|Bc)P (Bc).

Consideraremos a continuación algunos ejemplos de aplicación del teorema de probabilidad total.

Ejemplo. Supongamos que tenemos dos cajas: una con 3 bolas de color rojo y 7de color negro, la otra
con 6 rojas y 6 negras. Si se elige una caja al azar y después se saca una bola, ¿cuál es la probabilidad
de que sea de color rojo? El experimento aleatorio consiste entonces en escoger una caja al azar y
después escoger una bola de la caja escogida. Es claro entonces que el espacio muestral puede
escribirse como sigue
Ω = {(C1, R), (C1, N ), (C2, R), (C2, N )},
Conjunto y Técnicas de Conteo Virtu@l

en donde C1 y C2 denotan los eventos en donde las cajas uno y dos fueron escogidas,
respectivamente, y R y N denotan los eventos en donde una bola roja y negra fueron
escogidas respectivamente. Nos piden calcular la probabilidad de R. Es fácil calcular la
probabilidad de este evento cuando sabemos cuál caja fue escogida. Esto sugiere entonces
condicionar sobre el resultado de escoger alguna de las dos cajas y aplicar el teorema de
probabilidad total, es decir,

P ( R) = P ( R| C 1 ) P ( C 1 ) + P ( R| C 2 ) P ( C 2 )
3 1 6 1
= · + ·
10 2 12 2
2
= .
5

Observe que la partición de Ω consta de dos elementos: {(C1 , R), (C1 , N )} y

{(C2, R), (C2, N )}. ◦

Ejemplo. Suponga que en una población humana de igual número de hombres y mujeres, el 4
% de hombres son daltónicos y el 1 % de las mujeres son daltónicas. Una persona es elegida
al azar, ¿cuál es la probabilidad de que sea daltónica? Definamos primero los eventos de
interés

M = “La persona escogida es mujer.”

H = “La persona escogida es hombre.”
D = “La persona escogida es daltónica.”

Deseamos calcular P (D). Por el teorema de probabilidad total,

P ( D ) = P (D |M )P (M ) + P (D |H )P (H )
1 1 41
= · + ·
100 2 100 2
1
= .
40
◦
Conjunto y Técnicas de Conteo Virtu@l

Bibliografía
[1] Blake I. F. An introduction to applied probability. John Wiley & Sons.
[2] Blomm G., Holst L., Sandell D. Problems and snapshots from the world of probability. Springer-
Verlag.
[3] Devore J. Probabilidad y estad´ıstica para ingenier´ıa y ciencias. Thomson, 2001.
[4] Feller W. Introduccio´n a la teor´ıa de probabilidades y sus aplicaciones. Limusa.
[5] Garza T. Elementos de ca´lculo de probabilidades. UNAM.
[6] Herna´ndez-Del-Valle A. y Herna´ndez-Lerma O. Elementos de probabilidad y
estad´ıstica. Serie Textos No. 21, Nivel Elemental. Sociedad Matema´tica Me- xicana,
2003.
[7] Hoel P. G., Port S. C., Stone C. J. Introduction to probability theory. Houghton Mifflin.

[8] Hoel P. G., Port S. C., Stone C. J. Introduction to statistical theory. Houghton Mifflin.

[9] Hogg R. V., Tanis E. A. Probability and statistical inference.